10.3969/j.issn.1000-1379.2017.08.030
基于改进BP神经网络的水分入渗参数预测模型
基于晋北盐碱地土壤水分原位入渗试验,建立了容量为150组的盐碱地Philip入渗模型参数样本,借助MATLAB软件,分别构建基于最值归一化法、联合归一化法的BP神经网络预测模型,其中模型的输入变量为土壤基本理化参数,输出变量为Philip入渗模型参数吸渗率S和稳渗率A,由两模型的预测结果发现,预测误差均小于6%,在建模误差允许范围之内,所建模型可靠;对比模型预报结果发现,联合归一化法处理过的输入数据更具代表性,且提高了网络收敛速度及预测精度.用实测资料对基于联合归一化法建立的模型进行精度检验,结果表明对入渗参数预测的相对误差均小于10%,模型预报精度较高,可满足实际应用的要求.
BP神经网络、联合归一化法、预测、入渗参数、土壤理化参数、盐碱地
39
S152.7;TV93(土壤学)
国家自然科学基金资助项目40671081;山西省水利厅科研项目
2017-08-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
137-142